L’enquête publiée par The Guardian révèle qu’environ 3,5 millions de photographies de civils palestiniens ont été téléversées sur l’infrastructure Amazon Web Services (AWS) afin d’exploiter Rekognition, sa plateforme d’analyse d’images et de reconnaissance faciale par IA. Ce transfert s’inscrit dans une migration plus large de volumes de données vers des datacenters externes pour répondre à des besoins opérationnels.
Si vous déployez ou auditez des solutions de vision par ordinateur, j’identifie 5 points majeurs à intégrer dans votre matrice de risques :
1️⃣ Maîtrisez l’opacité de la chaîne de sous-traitance Cloud (Shadow AI & Cloud)
Le fournisseur cloud affirme n’avoir « aucune visibilité » sur les charges de travail (workloads) hébergées par ses clients. Pour un RSSI ou un DPO, cette zone grise est un risque majeur. Vous devez contractualiser des clauses strictes d’auditabilité, de localisation des données et de cloisonnement des environnements.
2️⃣ Encadrez strictement les données biométriques (RGPD & AI Act)
Une photographie utilisée à des fins d’identification bascule immédiatement dans la catégorie des données sensibles (Article 9 du RGPD). L’ingestion massive d’images captées à la volée sans base légale robuste ni consentement explicite expose l’organisation à des sanctions. Avec l’entrée en application de l’IA Act européen, les systèmes de catégorisation biométrique et d’identification à distance sont classés à haut risque, voire strictement interdits.
3️⃣ Prévenez la dérive d’usage (Function Creep)
Des données collectées pour un usage logistique ou sécuritaire ponctuel finissent souvent par alimenter des bases d’entraînement d’IA à grande échelle. Imposez une gouvernance Privacy by Design : anonymisez les jeux de données dès la collecte, appliquez des durées de conservation automatisées et interdisez le réentraînement de modèles tiers sur vos données.
4️⃣ Auditez les biais algorithmiques et les faux positifs
La reconnaissance faciale à grande échelle souffre encore de taux d’erreur significatifs selon les conditions de prise de vue et les profils. Un faux positif peut entraîner des conséquences humaines et juridiques irréversibles. Exigez des tests de robustesse indépendants, maintenez une supervision humaine réelle et documentez les seuils de confiance de vos modèles.
5️⃣ Sécurisez les flux de migration massive
Le transfert de millions de fichiers biométriques vers le cloud crée une grande surface d’attaque. Le chiffrement en transit et au repos est un prérequis non négociable pour empêcher toute exfiltration ou réutilisation non autorisée.
La technologie de reconnaissance faciale est mature, mais sa gouvernance reste le maillon faible de nombreuses architectures SI.
🔗 Source : https://www.theguardian.com/world/2026/nov/16/israel-amazon-facial-recognition-palestinians

